拟合概率分布对象与数据
拟合样本数据的正态分布,并使用直方图和分位数-分位数图检验拟合。
从数据文件中加载患者的体重patients.mat
。
负载病人x =权重;
通过拟合数据来创建一个正态分布对象。
Pd = fitdist(x,“正常”)
正态分布mu = 154 [148.728, 159.272] sigma = 26.5714 [23.3299, 30.8674]
分布对象显示包括平均值(μ
)及标准差(σ
)和参数的95%置信区间。
的对象函数pd
计算分布并生成随机数。显示支持的对象函数。金宝app
方法(pd)
类的方法。NormalDistribution: cdf iqr negloglik proflik truncate gather mean paramci random var icdf median pdf std
例如,使用。获取95%置信区间paramci
函数。
Ci95 = paramci(pd)
ci95 =2×2148.7277 23.3299 159.2723 30.8674
指定显著性水平(α
),以获得具有不同置信水平的置信区间。计算99%置信区间。
Ci99 = paramci(pd,“α”. 01)
ci99 =2×2147.0213 22.4257 160.9787 32.4182
计算并绘制分布的pdf值。
X_values = 50:1:250;Y = pdf(pd,x_values);情节(x_values, y)
创建具有正态分布拟合的直方图histfit
函数。histfit
使用fitdist
拟合数据的分布
histfit (x)
直方图显示数据有两个模态,正态分布拟合的模态在这两个模态之间。
使用qqplot
创建样本数据的分位数-分位数图x
与拟合分布的理论分位数值比较。
qqplot (x, pd)
该图不是一条直线,表明数据不服从正态分布。
从数据文件中加载患者的体重patients.mat
。
负载病人x =权重;
通过将内核分发对象与数据匹配来创建内核分发对象。使用Epanechnikov核函数。
Pd = fitdist(x,“内核”,“内核”,“epanechnikov”)
pd = KernelDistribution内核= epanechnikov带宽= 14.3792支持=无界金宝app
绘制分布的pdf。
X_values = 50:1:250;Y = pdf(pd,x_values);情节(x_values, y)
从数据文件中加载患者的体重和性别patients.mat
。
负载病人x =权重;
通过将其拟合到数据中创建正态分布对象,并按患者性别分组。
[pdca,gn,gl] = fitdist(x,“正常”,“通过”、性别)
pdca =1×2单元阵列{1 x1概率。正态分布}{1x1 probb。NormalDistribution}
gn =2 x1细胞{“男”}{“女”}
gl =2 x1细胞{“男”}{“女”}
单元阵列pdca
包含两个概率分布对象,每个性别组一个。单元阵列gn
包含两个组标签。单元阵列gl
包含两个组级别。
查看单元格数组中的每个分布pdca
为了比较平均值,μ
,标准差,σ
,按患者性别分组。
女= pdca{1}女性的百分比分布
正态分布mu = 180.532 [177.833, 183.231] sigma = 9.19322 [7.63933, 11.5466]
男性= pdca{2}男性分布
正态分布mu = 130.472 [128.183, 132.76] sigma = 8.30339 [6.96947, 10.2736]
计算每个分布的pdf。
X_values = 50:1:250;Femalepdf = pdf(female,x_values);Malepdf = pdf(male,x_values);
绘制pdf,以直观地比较按性别分列的体重分布。
图绘制(x_values femalepdf,“线宽”, 2)在情节(x_values malepdf,“颜色”,“r”,“线型”,“:”,“线宽”2)传说(gn,“位置”,“东北”)举行从
从数据文件中加载患者的体重和性别patients.mat
。
负载病人x =权重;
通过将其拟合到数据中来创建内核分布对象,并按患者性别分组。使用三角核函数。
[pdca,gn,gl] = fitdist(x,“内核”,“通过”、性别、“内核”,“三角形”);
查看单元格数组中的每个分布pdca
查看每个性别的内核分布。
女= pdca{1}女性的百分比分布
female = KernelDistribution Kernel = triangle Bandwidth = 5.08961 金宝appSupport = unbounded
男性= pdca{2}男性分布
male = KernelDistribution Kernel = triangle Bandwidth = 4.25894 金宝appSupport = unbounded
计算每个分布的pdf。
X_values = 50:1:250;Femalepdf = pdf(female,x_values);Malepdf = pdf(male,x_values);
绘制pdf,以直观地比较按性别分列的体重分布。
图绘制(x_values femalepdf,“线宽”, 2)在情节(x_values malepdf,“颜色”,“r”,“线型”,“:”,“线宽”2)传说(gn,“位置”,“东北”)举行从
x
- - - - - -输入数据输入数据,指定为列向量。fitdist
忽略了南
值x
。此外,任何南
值在滤波矢量或频率矢量引起fitdist
中对应的值x
。
数据类型:双
distname
- - - - - -分布的名字分发名称,指定为以下字符向量或字符串标量之一。指定的分布distname
确定返回的概率分布对象的类型。
分布的名字 | 描述 | 分布对象 |
---|---|---|
“β” |
贝塔分布 | BetaDistribution |
“二” |
二项分布 | BinomialDistribution |
“BirnbaumSaunders” |
Birnbaum-Saunders分布 | BirnbaumSaundersDistribution |
“毛刺” |
毛刺分布 | BurrDistribution |
“指数” |
指数分布 | ExponentialDistribution |
“极端值” 或“电动汽车” |
极值分布 | ExtremeValueDistribution |
“伽马” |
伽马分布 | GammaDistribution |
“广义极值” 或“gev” |
广义极值分布 | GeneralizedExtremeValueDistribution |
广义帕累托的 或“全科医生” |
广义帕累托分布 | GeneralizedParetoDistribution |
“正常”的一半 或“环” |
Half-normal分布 | HalfNormalDistribution |
“InverseGaussian” |
逆高斯分布 | InverseGaussianDistribution |
“内核” |
内核分配 | KernelDistribution |
“物流” |
物流配送 | LogisticDistribution |
“Loglogistic” |
Loglogistic分布 | LoglogisticDistribution |
对数正态的 |
对数正态分布 | LognormalDistribution |
“Nakagami” |
Nakagami分布 | NakagamiDistribution |
“负二项” 或“nbin” |
负二项分布 | NegativeBinomialDistribution |
“正常” |
正态分布 | NormalDistribution |
“泊松” |
泊松分布 | PoissonDistribution |
“瑞利” |
瑞利分布 | RayleighDistribution |
“Rician” |
Rician分布 | RicianDistribution |
“稳定” |
稳定分布 | StableDistribution |
“tLocationScale” |
tLocation-Scale分布 | tLocationScaleDistribution |
“威布尔” 或“wbl” |
威布尔分布 | WeibullDistribution |
groupvar
- - - - - -分组变量分组变量,指定为分类数组、逻辑或数字向量、字符数组、字符串数组或字符向量的单元格数组。分组变量中的每个惟一值定义一个组。
例如,如果性别
是具有值的字符向量的单元格数组“男”
和“女”
,你可以用性别
作为分组变量,按性别拟合数据的分布。
通过指定分组变量的单元格数组,可以使用多个分组变量。如果所有指定的分组变量的值相同,则将观察值放在同一组中。
例如,如果吸烟者
逻辑向量有值吗0
对于不吸烟者和1
对于吸烟者,则指定单元格数组{性别、吸烟}
将观察结果分为四组:男性吸烟者、男性不吸烟者、女性吸烟者和女性不吸烟者。
例子:{性别、吸烟}
数据类型:分类
|逻辑
|单
|双
|字符
|字符串
|细胞
指定可选的逗号分隔对名称,值
参数。名字
是参数名和吗价值
是对应的值。名字
必须出现在引号内。可以以任意顺序指定多个名称和值对参数,如Name1, Value1,…,的家
。
fitdist (x,“仁”,“仁”,“三角形”)
将内核分布对象与中的数据匹配x
用三角核函数。
审查
- - - - - -删除数据的逻辑标志0
(默认)|逻辑值向量截尾数据的逻辑标志,指定为与输入向量大小相同的逻辑值向量x
。值为1
当对应的元素在x
经过正确审查的观察和0
当对应的元素是一个精确的观测值时。默认是的向量0
S,表示所有的观测值都是准确的。
fitdist
忽略任何一个南
这个滤波向量中的值。此外,任何南
值x
或者频率矢量的原因fitdist
忽略截断向量中的相应值。
只有当distname
是“BirnbaumSaunders”
,“毛刺”
,“指数”
,“ExtremeValue”
,“伽马”
,“InverseGaussian”
,“内核”
,“物流”
,“Loglogistic”
,对数正态的
,“Nakagami”
,“正常”
,“Rician”
,“tLocationScale”
,或“威布尔”
。
数据类型:逻辑
频率
- - - - - -观察频率1
(默认)|非负整数值的向量观测频率,指定为与输入向量大小相同的非负整数值向量x
。频率向量的每个元素指定中对应元素的频率x
。默认是的向量1
S,表示中的每个值x
只出现一次。
fitdist
忽略任何一个南
这个频率向量中的值。此外,任何南
值x
或者是滤波向量的原因fitdist
忽略频率矢量中相应的值。
数据类型:单
|双
选项
- - - - - -控制参数迭代拟合算法的控制参数,指定为使用创建的结构statset
。
数据类型:结构体
NTrials
- - - - - -二项分布试验数内核
- - - - - -内核分发的内核平滑类型“正常”
(默认)|“盒子”
|“三角形”
|“epanechnikov”
金宝app
- - - - - -支持内核分布的内核密度金宝app“无限”
(默认)|“积极”
|双元素向量内核分布的内核密度支持,指定为金宝app“无限”
,“积极”
,或者一个双元素向量。
价值 | 描述 |
---|---|
“无限” |
密度可以延伸到整条实线。 |
“积极” |
密度被限制为正值。 |
或者,您可以指定一个双元素向量,给出有限的下限和上限,以支持密度。金宝app
你必须说明distname
作为“内核”
要使用此选项。
数据类型:单
|双
|字符
|字符串
宽度
- - - - - -核分布的核平滑窗带宽核分布的核平滑窗口的带宽,用标量值指定。使用的默认值fitdist
是估计正常密度的最佳值,但您可能希望选择较小的值来显示多模式等特征。你必须说明distname
作为“内核”
要使用此选项。
数据类型:单
|双
的fitdist
函数拟合使用最大似然估计的大多数分布。两种例外情况是未经审查数据的正态分布和对数正态分布。
对于无截尾正态分布,sigma参数的估计值是方差无偏估计值的平方根。
对于未删减对数正态分布,sigma参数的估计值是数据对数方差无偏估计值的平方根。
的分布更健康App打开一个图形用户界面,让你从工作区导入数据,并以交互方式拟合该数据的概率分布。然后,您可以将该分布保存为一个概率分布对象。打开分布筛选器应用程序使用distributionFitter
,或单击“应用程序”选项卡上的“分发筛选器”。
若要将分布拟合到左截尾、双截尾或间隔截尾数据,请使用大中型企业
。可以找到最大似然估计大中型企业
函数创建一个概率分布对象makedist
函数。使用示例请参见寻找双重审查数据的最大似然。
[1]约翰逊,n.l., S. Kotz和N.巴拉克里希南。连续单变量分布。第1卷,霍博肯,NJ: Wiley-Interscience, 1993。
[2]约翰逊,n.l., S. Kotz和N.巴拉克里希南。连续单变量分布。第2卷,霍博肯,NJ: Wiley-Interscience, 1994。
鲍曼,A. W.和A.阿扎利尼。应用平滑技术进行数据分析。纽约:牛津大学出版社,1997。
使用注意事项和限制:
金宝app支持的语法有:
pd
= fitdist (x
,distname
)pd
= fitdist (x
,distname
,名称,值
)
“通过”,groupvar
以及相关的输出参数pdca
,gn
,gl
。fitdist
金宝app支持beta、指数、极值、对数正态、正态和威布尔分布的代码生成。
的价值distname
可以“β”
,“指数”
,“ExtremeValue”
,对数正态的
,“正常”
或“威布尔”
。
的价值distname
必须是编译时常数。
的值x
,“审查”
,“频率”
不得包含南
值。
代码生成忽略“频率”
的值。而不是指定“频率”
值,手动将重复的值添加到x
所以这些值x
有你想要的频率。
代码生成不支持这些输入参数:金宝appgroupvar
,NTrials
,θ
,μ
,内核
,金宝app
,宽度
。
名称-值对参数中的名称必须是编译时常量。
有关代码生成的更多信息,请参见代码生成简介和概率分布对象的代码生成。
您点击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
你亦可选择下列网址:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。